腾讯的“万象鉴黄智能识别”工作原理是什么？

高识别精度，但是仍然对计算量有很高的要求。而近年来，得益于计算机速度的提升、大规模集群技术的兴起、GPU的应用以及众多优化算法的出现，耗时数月的训练过程可缩短为数天甚至数小时，深度学习才逐渐可以用于工业化。

（以上资料参考Deep Learning（深度学习）学习笔记整理系列之（一））

下面为了便于非专业人士理解，我会尽量用通俗易懂的语言来回答：

以智能鉴黄为例，把用来鉴黄的机器想象成一个刚出生的宝宝。

首先人们会给机器宝宝一些标记过的图片，告诉宝宝这些是色情的，这些是性感的，还有这些是正常的。机器宝宝很聪明，会根据提供的数据学习到不同类型图片的基本特征，自己总结出一套规律，这样当你再给宝宝新的图片时，宝宝就会根据这些特征来判定图片的类型。

当然机器宝宝也会有出错的时候，因为人类对于色情的定义实在太广泛了。露点的、性暗示的、艺术的......在不同的场景下，面对不同的人群，对于色情的鉴定标准也会不同。想让机器宝宝像人一样准确，甚至比人还准，就需要利用海量的数据去不断地训练它，让机器不断纠正错误，学习到更多的特征。